HelloWorld 开发者社区
科技资讯
Qwen4-Max 发布:百万 Token 上下文、多模态与长任务如何落地
Jync 2.2.1 发布:完善告警通知,修复 CDC 与 ETL 可靠性问题
phimint 0.10.0 发布:终端智能体加入交互输入处理
Cursor 更新安全事件调查:扩展分发、历史凭据与团队排查
SoduWork 开源,尝试用独立审查与插件治理组织智能体交付
百度世界提出智能组织思路,关注 AI 从个人工具进入业务闭环
openKylin 全球生态推广会举行,推进本地化与社区合作
光船 1.1.0 尝鲜版二更新,探索 AI 会话与代码生成结合
Argus 0.5.0 发布:新增进程控制,完善原生 Windows 任务管理
MetaForge 2026.0.0 发布,整合数据库工作台与可视化分析
开源项目
全部项目推荐好文
【MindSpore:跟着小Mi一起机器学习吧!】多变量线性回归(一)
小Mi学习,向上积极!前两节小Mi带大家学习了单变量线性回归,还具体分析了自动求解最小代价函数参数的梯度下降法。这不有了单变量,是不是肯定有多变量?!今天小Mi跟大家一起讨论的就是一种更为有效,适合实际情况的形式多变量线性回归~~1多维特征既然是多变量线性回归,那么肯定是存在多个变量或者多个
【MindSpore:跟着小Mi一起机器学习吧!】多变量线性回归(二)
几天不见,甚是想念!小Mi系列的活动正在如火如荼地进行中,小Mi看到大伙儿的热情,动力更加十足,这不又迫不及待地更新来了!在上期的多变量线性回归介绍中,我们学习了多维特征、多变量的梯度下降法以及在实现梯度下降过程中的特征缩放和如何选择学习率这两个技巧,今天小Mi在其基础上,继续带领大家学习多项式
【MindSpore:跟着小Mi一起机器学习吧!】逻辑回归(二)
小Mi学习,向上积极!逻辑回归的函数表示还有判决边界还记得不,是不是觉得上一节还不得劲儿?!这不,小Mi又来更新啦~代价函数现在我们就要开始讨论如何拟合logistic回归模型的参数,具体来说,我们要定义用来拟合参数的优化目标或者代价函数,以下便是监督学习问题中的logistic回归模型的拟
【MindSpore:跟着小Mi一起机器学习】神经网络表述(一)
好久不见,甚是想念!今天小Mi继续带大家学习我们的机器学习系列。相信神经网络这个名词大家都不会陌生,神经网络实际上是一个相对比较古老的算法,沉寂了很长一段时间,不过现在随着硬件计算能力的提升,它又成为许多机器学习问题解决的首要方法。好了,到这相信大家不由地会问了,既然已经有线性回归、逻辑回归算法
【MindSpore:跟着小Mi一起机器学习】神经网络表述(二)
小Mi学习,向上积极!上周小Mi简单给大家介绍了神经网络的模型表示,今天小Mi将进一步带领大家对神经网络进行进一步的深入理解,话不多说,一起学起来吧~5特征和直观理解a从本质上讲,神经网络能够通过学习得出其自身的一系列特征。在普通的逻辑回归中,我们被限制为使用数据中的原始特征,我们虽然可以使
【MindSpore:跟着小Mi一起机器学习】神经网络的学习(上)
危险,危险,危险——好久不见,等你在这里见面~在经过前两期关于神经网络的简单介绍后,今天小Mi将进一步介绍神经网络的代价函数、前向传播和反向传播,废话不多说,我们开干吧~1代价函数首先引入一些便于稍后讨论的新标记方法:假设神经网络的训练样本有m个,每个包含一组输入x和一组输出信号y,L表示
【MindSpore:跟着小Mi机器学习】神经网络的学习(下)
在上周小Mi给大家的介绍中,我们谈到了怎样使用反向传播算法计算代价函数的导数。今天,小Mi将继续带大家了解神经网络的实现过程,废话不多说,赶快跟小Mi一起学起来吧~4实现注意:展开参数首先,有一个细节的实现过程值得关注一下,就是如何把参数从矩阵展开成向量,以便我们在高级最优化步骤中使用。具
【MindSpore:跟着小Mi一起机器学习】关于应用机器学习时的一些建议
到目前为止,小Mi已经给大家介绍了许多不同的学习算法,感觉大伙已经不知不觉地成为一个了解许多先进机器学习技术的专家啦。当然,在了解的同时如何高效有力地运用这些学习算法呢?怎样选择一条最合适、最正确的道路,而不是把时间浪费在毫无意义的尝试上呢?如果你想知道的话,那么跟着小Mi继续机器学习吧~1机
【MindSpore:跟着小Mi一起机器学习】支持向量机(上)
今天我们学习支持向量机!小Mi在办公室的时候经常会听到同事提及什么支持向量机啊,凸优化啊这样的名词,那么支持向量机到底是什么呢?今天让我们过来一探究竟!~~1优化目标与逻辑回归和神经网络相比,支持向量机,简称SVM,在学习复杂的非线性方程时提供了一种更为清晰,更加强大的方式,该算法的强大和受欢
【MindSpore:跟着小Mi机器学习】支持向量机(中)
上周小Mi带大家学习了支持向量机的优化问题以及如何得到大间距分类器,而这背后的数学原理大家是否略知一二呢?今天跟着小Mi后面慢慢推理,帮助大家对支持向量机中的优化问题,以及如何得到大间距分类器,产生更好的直观理解。3大边界分类背后的数学首先,我们需要了解下向量内积这个知识点(敲黑板了哦~)
正在加载更多文章…
加载更多已加载文章中没有匹配内容,可继续加载更多。